Términos clave

 Corrección por continuidad:

Es un ajuste que se realiza cuando una distribución discreta se acerca a una distribución
continua.

 Covarianza
Es un valor que indica el grado de variación de dos variables aleatorias con respecto a sus
medidas.

 Densidad de probabilidad:
Se refiere a la extensión de probabilidad a casos continuos.

 Densidad de probabilidad condicional

 Densidad de probabilidad conjunta

 Densidad de probabilidad normal

 Densidad marginal:

 Densidad marginal conjunta

 Desviación estándar:
Se define como la raíz de la varianza

 Desviación beta
Es una distribución de probabilidad continua con dos parámetros alfa y beta cuya función
de densidad está dada para valores entre cero y uno.

 Desviación exponencial
Es una distribución de probabilidad continua que tiene un parámetro mayor a cero.

 Distribución gamma:
Es una distribución de probabilidad continua con dos parámetros cuya función de
densidad para valores Mayores que cero ya está dada por valores previamente
establecidos.

 Distribución normal circular:

 Distribución de probabilidad condicional

Es un tipo de distribución en el cual va a ocurrir un evento sabiendo que también ocurre

otro.

 Distribución de probabilidad conjunta

Es un tipo de distribución de probabilidad donde ocurren dos eventos aleatorios y que van
sucediendo de manera similar.

 Distribución de probabilidad marginal

Es la distribución de probabilidad de un subconjunto de variables aleatorias y proporciona
la probabilidad de un subconjunto sin dar a conocer los valores de las otras variables.

 Distribución de Weibull
Es una distribución versátil que sirve para una amplia gama de aplicaciones en diferentes
ciencias y se utiliza para modelar datos asimétricos en el proceso de análisis de capacidad.

 Distribución logarítmica normal

Es una distribución de probabilidad de una variable aleatoria cuyo logaritmo está
normalmente distribuido.

 Distribución normal:
Es la que sirve para modelar variación en algunas cantidades

 Distribución normal estándar

 Distribución uniforme

 Esperanza:
Es el número que formaliza la idea de valor medio de un fenómeno aleatorio.

 Función de densidad de probabilidad:

Son funciones cuya existencia se estipuló al extender la definición de probabilidad a casos
continuos.

 Función de distribución:
Es una función que asigna a cada suceso definido sobre la variable la probabilidad de que
dicho suceso ocurra.
 Función de distribución acumulada
Es una función matemática de la variable real “x” que describe la probabilidad de que “x”
tenga un valor menor o igual que x.

 Función de distribución acumulada conjunta

 Función gamma

Es una distribución de probabilidad continua con dos parámetros cuya función de

densidad para valores mayores que cero se encuentran dados por una ecuación definida.

 Función generadora de momentos

Se llama así porque si existe un entorno de t=0 entonces permite generar los momentos
de la distribución de probabilidad, si está definida en ese intervalo entonces determina
únicamente la distribución de probabilidad.

 Gráfica de puntuaciones normales

 Independencia
 K-ésimo momento con respecto a la media
Mide la dispersión de una densidad de probabilidad, en el sentido que da el valor
esperado de la desviación

 K-ésimo momento con respecto al origen

También se le conoce como el primer momento con respecto al origen y también se le
llama, valor esperado de una variable aleatoria que tenga la densidad de probabilidad.

 Media:
se define como el primer momento con respecto al origen

 Puntuación z
Es el número de desviaciones estándar que hay por encima o por debajo de la media de
población

 Puntuaciones normales
Se refieren a una muestra idealizada de la distribución normal estándar.

 Simulación
Son técnicas adecuadas para hacer los repetitivos cálculos requeridos.
 Tiempo de espera
Es una variable aleatoria “t” con la propiedad de que para cada “t” sea posible o no de la
ocurrencia de un evento

 Variable aleatoria estandarizada

 Varianza:
Se define como el segundo momento con respecto a la media
 TÍTULO
Cómo verificar si los datos son normales
RESUMEN
Como ya se mencionó anteriormente la
distribución normal sirve para modelar la
variación de algunas cantidades.
Los procedimientos gráficos son los más
utilizados para detectar desviaciones serias
en la normalidad, muestra de estos pueden
ser:
*las gráficas de puntuaciones normales
*las gráficas de cuantiles normales, cabe
resaltar que esta es la más efectiva.
Para construir una gráfica de puntuaciones
normales es necesario seguir ciertos pasos
como son:
1. Ordenar los datos de menor a
mayor
2. Obtener las puntuaciones
normales
3. Graficar la puntuación más grande
contra la normal.

Cuando la gráfica de puntuaciones

normales indican que la suposición de una
distribución normal no es válida, entonces
las transformaciones de los datos pueden
mejorar la concordancia con la normalidad.
Si las observaciones son positivas y sus
Transformación de observaciones a distribuciones tienen una cola larga y
normalidad cercana tiende a la derecha, las transformaciones
de ln tendrán valores grandes que se
alejaran de los centrales o pequeños.
Si las observaciones transformadas tienen
valores casi que en línea recta, en este
caso es mejor utilizar la normalidad desde
esta nueva escala para realizar cualquier
análisis estadístico.
Simulación Para simular, se empieza con números
aleatorios uniformes y relacionan con la
función de distribución de interés, un
proceso similar se le aplica a la distribución
de Weibull